用requests库和BeautifulSoup4库爬取新闻列表

 

  • 用requests库和BeautifulSoup4库，爬取校园新闻列表的时间、标题、链接、来源。

　　import urllib.request as urllib2
from bs4 import BeautifulSoup
url='http://news.gzcc.cn/html/xiaoyuanxinwen/'
request=urllib2.Request(url)
response=urllib2.urlopen(request)
bsObj=BeautifulSoup(response.read(),"html.parser")
for i in bsObj.select('li'):
    if len(i.select('.news-list-title')) > 0:
        time = i.select('.news-list-info')[0].contents[0].text
        source=i.select('.news-list-info')[0].contents[1].text
        title = i.select('.news-list-title')[0].text
        describe=i.select('.news-list-description')[0].text
        url = i.select('a')[0]['href']
        print(time,title,url,describe)

　　

 

  • 选一个自己感兴趣的主题，做类似的操作，为“爬取网络数据并进行文本分析”做准备。
import requests
from bs4 import BeautifulSoup
res=requests.get('http://trips.tuniu.com/search?q=%E7%8F%A0%E6%B5%B7')
res.encoding='utf-8'
soup=BeautifulSoup(res.text,'html.parser')

for trips in soup.select('li'):
    if len(trips.select('.list-name'))>0:
      title=trips.select('.list-name')[0].text
      url=trips.select('a')[0]['href']
      print(title,url)
posted @ 2017-09-28 14:57  14邓金烨  阅读(186)  评论(0)  编辑  收藏  举报